MétaCan
Menu
Retour à la cohorte
Enregistrement W2159137315 · doi:10.1136/bjsports-2013-092459.57

IDENTIFICATION OF BIOMARKERS FOR EARLY TENDON DEGENERATION USING AN IN-VIVO RABBIT MODEL

2013· article· en· W2159137315 sur OpenAlexaff
Elise Huisman, Gail M. Thornton, Clive J. Roberts, Alex Scott

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueTendon Structure and Treatment
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTendinopathyTendonMedicineAchilles tendonDegeneration (medical)In vivoUltrasoundPathologyPhysical medicine and rehabilitationRadiologyBiology

Résumé

récupéré en direct d'OpenAlex

Introduction Tendinopathy is a common and costly diagnosis in workers with Activity-related Soft Tissue Disorder (ASTD), and in recreational and professional athletes. The associated pain results in reduced physical activity, reduced productivity, missed work days, and substantial costs to the government. Workers whose tendons are exposed to prolonged repetitive activity (eg, manual workers like fish processors) and/or high mechanical loads (eg, construction workers) are at high risk for the development of ASTD-associated tendinopathy. Pain is usually one of the first symptoms of tendinopathy; however imaging studies have demonstrated that significant degenerative tendon alterations can develop in response to mechanical loading, months before there are any overt symptoms. Goal: To identify circulation markers of early tendon degeneration. Research questions: (1) Will fatigue damage in tendons, caused by different loading regimes, correlate with changes in expression of genes involved in tendon degeneration? (2) Can we track the development of early phase tendon degeneration in vivo using ultrasound and measure indicators of tendon degradative activity in the circulation? It is hypothesised that different loading regimes will lead to characteristic, degradative differences in gene expression. Ultrasound will be able to visualise and follow early onset, degradative changes in the strained tendons. Methods Rabbit Achilles tendons will be subjected to varying loading regimens using the in-vivo Backman model. After set periods of exercise, microdialysis and blood samples will be taken and analysed for genes involved in degradation of tendons. At the same intervals, ultrasound images will be taken to track changes in the cross sectional area of the tendon. After the end of the full exercise period, the tendon tissue will be examined for characteristic degradative changes using microscopy. Results It is expected that the exercise regimen will lead to significant changes in gene expression in the tendon.1 Blood and microdialysis samples are expected to show significant changes in for example, collagen type I and III, matrix metalloproteinases (MMPs), tissue inhibitors for MMPs (TIMPs), and other genes involved.2 It is expected that the tissue will exhibit characteristic morphological changes seen in degradative tendon tissue, for example, rounded nuclei of tenocytes and a looser, kinked pattern of the collagen fibrils.3 Discussion Treatment for tendinopathies in workers can be a long and costly process which is not always successful, due to the degenerative nature of chronic tendinopathy. Detecting the early stages of tendinopathy could allow for the possibility of interventions to decrease or prevent tendon pain and/or rupture, and reduce healthcare and insurance costs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetTendon Structure and TreatmentTravaux en français237 207